高等数学 / 系统课时
卡方独立性检验
卡方独立性检验
卡方独立性检验用于判断两个分类变量是否存在统计关联。通过列联表中的观测频数与“完全独立”条件下的期望频数比较,可以得到检验统计量、显著性结论和关联强度。
学习目标
- 从列联表计算行合计、列合计与期望频数
- 完成卡方统计量、自由度和显著性判断
- 区分统计关联、因果关系与关联强度
独立意味着什么
设变量 有 个类别,变量 有 个类别。原假设 表示两个变量相互独立,即一个变量的类别不会改变另一个变量的概率分布。
数据整理为 列联表后,每个单元格都有观测频数 。若两个变量独立,第 行、第 列单元格的期望频数为:
这个公式把总体列比例分配到每一行。若某一行中的实际比例明显偏离总体列比例,便会产生较大的卡方贡献。

计算规则
独立性检验的统计量为:
df=(r-1)(c-1) $$
行数和列数越多,可自由变化的单元格越多。判断时可计算 值,也可将统计量与给定显著性水平下的临界值比较。统计量落入右尾时拒绝独立假设,说明两个变量之间存在统计关联。
完整示例
某课程比较学习方式与考试结果,得到 200 名学员的列联表:
| 学习方式 | 通过 | 未通过 | 合计 |
|---|---|---|---|
| 在线 | 72 | 28 | 100 |
| 线下 | 54 | 46 | 100 |
| 合计 | 126 | 74 | 200 |
在独立假设下,在线且通过的期望频数为:
同理,四个单元格的期望频数分别为 63、37、63、37。代入公式:
该表为 ,所以自由度为 。在 下,临界值约为 3.84。由于 ,拒绝独立假设,说明学习方式与考试结果存在统计关联。
结果解释与强度
显著性只回答“是否有证据认为有关联”,不说明关联有多强。对一般列联表,可用 Cramér's 衡量强度:
本例中 ,表明关联存在,但强度不大。由于数据可能受到基础能力、课程难度和自选学习方式等因素影响,不能据此断言学习方式导致了通过率差异。
前提与易混淆点
每名样本只能计入一个单元格,样本之间应相互独立,期望频数也不能过小。常用经验规则是没有期望频数小于 1,且小于 5 的单元格不超过 20%。对于小样本的 表,可考虑 Fisher 精确检验。
独立性检验与同质性检验使用相同的卡方计算形式,但研究问题不同:独立性检验通常从一个总体同时观察两个变量;同质性检验则比较多个总体的分类分布是否相同。无论哪一种,显著结果都不自动等于因果关系。